CN103584864B - 一种磁共振成像方法和装置 - Google Patents
一种磁共振成像方法和装置 Download PDFInfo
- Publication number
- CN103584864B CN103584864B CN201210290494.2A CN201210290494A CN103584864B CN 103584864 B CN103584864 B CN 103584864B CN 201210290494 A CN201210290494 A CN 201210290494A CN 103584864 B CN103584864 B CN 103584864B
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- spaces
- rsqb
- lsqb
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种磁共振成像方法及装置,方法包括:利用PROPELLER算法进行采集获得多个K空间条;将各K空间条进行傅里叶变换,得到分别与各K空间条对应的临时重建图像;以某个K空间条对应的临时重建图像作为参考图像,其它K空间条对应的临时重建图像作为待配准图像,通过图像配准计算出待配准图像相对于参考图像的最佳运动参数;根据得到的增加运动参数对临时重建图像前得到的K空间条进行修正;对修正后的K空间条进行重排,并对重排结果进行傅里叶变换,得到成像图像。本发明通过基于图像域的配准进行运动参数的估计,其受回波链长等采集参数的影响较小,为有效消除运动伪影提供了可能性。
Description
技术领域
本发明涉及磁共振技术领域,尤其涉及一种磁共振成像方法和装置。
背景技术
磁共振成像(MRI,Magnetic Resonance Imaging)由于无损伤和多参数成像等优点已得到广泛的临床应用,是当前临床医学影像学的重要检查手段之一。然而,磁共振成像由于数据采集的时间较长,成像过程易受运动干扰,从而成像图像出现运动伪影,进而可能影响医生的诊断。因此,如何有效地克服运动对成像的影响,一直是磁共振成像研究的热点与技术难题之一。
目前通常使用增强重构型周期旋转重叠平行线(PROPELLER,PeriodicallyRotated Overlapping Parallel Lines with Enhanced Reconstruction)方法。PROPELLER方法是通过利用K空间中心重叠采样区域的数据来估算采集过程中受检查者的运动信息,从而实现对K空间条的运动补偿;然而,传统的PROPELLER重建算法由于回波链不能过长,即单个K空间条包含的线数有限,导致重叠采样区域的数据量太小,不可避免地降低了运动参数估算的精度和稳健性,最终影响运动伪影的消除效果。
发明内容
本发明要解决的主要技术问题是,提供一种磁共振成像方法及装置。
根据本发明实施例的一个方面,提供一种磁共振成像方法,包括:数据采集步骤,利用PROPELLER算法对磁共振数据进行采集,获得多个K空间条;临时重建步骤,将各K空间条进行变换,得到分别与各K空间条对应的临时重建图像;参数计算步骤,以某个K空间条对应的临时重建图像作为参考图像,其它K空间条对应的临时重建图像作为待配准图像,通过图像配准计算出待配准图像相对于参考图像的最佳运动参数;修正步骤,根据得到的最佳运动参数对临时重建步骤前得到的K空间条进行修正;重建成像步骤,对修正后的K空间条进行重排,并对重排结果进行傅里叶变换,得到成像图像。
根据本发明实施例的另一个方面,提供一种磁共振成像装置,包括:数据采集模块,用于利用PROPELLER算法对磁共振数据进行采集,获得多个K空间条;临时重建模块,用于将各K空间条进行变换,得到分别与各K空间条对应的临时重建图像;参数计算模块,用于以某个K空间条对应的临时重建图像作为参考图像,其它K空间条对应的临时重建图像作为待配准图像,通过图像配准计算出待配准图像相对于参考图像的最佳运动参数;修正模块,用于根据得到的最佳运动参数对临时重建模块接收到的K空间条进行修正;重建成像模块,用于对修正后的K空间条进行重排,并对重排结果进行傅里叶变换,得到成像图像。
本发明的有益效果是:通过基于图像域的配准进行运动参数的估计,其受回波链长等采集参数的影响较小,为有效消除运动伪影提供了可能性。
附图说明
图1为本发明实施例1的磁共振成像方法的流程示意图;
图2为本发明一种实施例的K空间的采样轨迹示意图;
图3为本发明一种实施例的相位校正的处理过程示意图;
图4为本发明实施例2的磁共振成像方法的流程示意图;
图5为本发明实施例3的磁共振成像装置的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
实施例1:
如图1所示,本实施例的磁共振成像方法包括如下步骤S101~S111:
步骤S101,数据采集步骤,采用PROPELLER算法对磁共振数据进行采集,获得多个K空间条;
K空间是指由相位编码和频率编码后采集到的磁共振数据构成的频率数据空间,即磁共振采样数据构成的频率空间,也即磁共振图像对应的频域空间。
可通过常用的PROPELLER算法对磁共振数据进行采样,例如,首先用常规方式如FSE(快速自旋回波)序列、单次激发平面回波序列等采集K空间中心附近的一组K空间线,假设为L条,得到一个K空间条,然后围绕K空间的中心每旋转一个固定角度以同样的方式采集下一个K空间条数据,直至完成整个K空间的采样。K空间的采样轨迹如图2所示。
步骤S103,相位校正步骤,对获得的多个K空间条进行相位校正,以使得各K空间条的中心位置与K空间的中心重合;
由于梯度磁场并非完全线性,并且受成像过程中涡流的影响,各K空间条的中心位置与采集数据的中心存在偏移,从而导致K空间条的中心与采集数据的中心不重合,因此需要对其进行校正,将所有的K空间条的中心位置对齐。校正方法可以采用常用的校正算法。考虑到傅里叶变换的特性,K空间中心发生偏移会导致图像域产生一个缓慢变化的相位,因此可以通过去除图像域低频空间变化的相位来达到校正的目的。一种实施例通过对原始数据施加一个二维三角窗来取得图像域低频空间的相位,以某个K空间条的数据F(xk,yk)为例,如图3所示,具体为:
(1)将K空间条的数据F(xk,yk)复制一份,对复制的F(xk,yk)加入二维三角窗函数,取其结果进行二维傅里叶变换,得到I1(x,y);
(2)对原始的F(xk,yk)同样做二维傅里叶变换,得到I2(x,y);
(3)将I1(x,y)和I2(x,y)做相位相减,去除相位中心偏移量后,做二维傅里叶逆变换则可得到相位校正后的数据。
经过相位校正后,每个K空间条的中心都对齐于K空间的中心点。
当然,如果各K空间条的中心位置与采集数据的中心不存在偏移,可省略本步骤S103。
步骤S105,临时重建步骤,将校正后的各K空间条进行变换,得到分别与各K空间条对应的临时重建图像;
每个K空间条都包含K空间中心区域数据,通过上下填零,可将L×N的数据矩阵变为N×N的矩阵,然后通过二维傅里叶变换即可得到单个空间条对应的临时重建图像;这里,L表示每个K空间条采集的相位编码线的行数,N表示每条相位编码线采集数据的个数。将K空间条变换为临时重建图像的变换过程,本实施例采用二维傅里叶变换;当然,如果存在其他变换方式,采用其它变换方法也是可以的。
每个K空间条都可以重建出一幅临时图像,如果受检查的物体发生了运动,则这些图像是不相同的,它们之间存在一个运动,而这些运动参数正是所要估计的,一旦运动参数估计出来,就可以将它映射到K空间条中,对其进行校正。
步骤S107,参数计算步骤,以某个K空间条对应的临时重建图像作为参考图像,其它K空间条对应的临时重建图像作为待配准图像,通过图像配准计算出待配准图像相对于参考图像的最佳运动参数;
实施例的运动参数基于图像域获取,可以采用图像配准方法计算,即对于K空间条重建出的临时图像,以某个临时图像作为参考图像,通过图像配准的方法计算出其它临时图像相对于参考图像的运动参数。通常选择第一个K空间条重建出的临时图像作为参考图像,当然该选择也不限于此。这里,图像配准方法可采用常用的图像配准方法,如基于模板匹配的方法、基于特征匹配的方法等;也可以采用本实施例提供的基于图像插值互信息的方法。
本实施例中的基于图像插值互信息的方法具体是,采用归一化互信息作为图像配准的相似性测度。设参考图像为A,待校准图像为B,图像A中像素点P的灰度值为a=A(p),图像B中像素点P的灰度值为b=B(p),则归一化互信息可表示为:
其中,H(A)为图像A的熵,H(B)为图像B的熵,H(A,B)为联合熵,其计算公式为:
其中,ρab(i,j)为联合概率密度,可由联合直方图HIST(i,j)计算得到,其计算公式为:
由于图像A和图像B是经傅里叶变换得到的,其像素值为浮点数,因此,不能直接根据传统算法来获得联合直方图。
本实施例利用双线性插值的思想来获取联合直方图,其具体计算方法为:定义一个联合直方图矩阵HIST,矩阵大小为Na×Nb,分别为图像A和图像B的灰度级数(一种实现中灰度级数为256),并将该矩阵所有元素初值设为0。遍历每个像素点P,得两幅图像在P点的像素值a和b,取[a]表示不大于a的最大整数,令
基于归一化互信息的图像配准过程可描述为:寻找一个变换T0使得待配准图像F经过此变换后和参考图像的互信息达到最大;而配准的过程就是寻找最优变换T0的过程,或称为最佳运动参数的搜索过程。
假设成像过程中的运动为层内的刚性运动,则运动参数有三个,分别为平移参数(Δx,Δy),旋转角度θ。搜索最佳运动参数即是通过改变这三个参数值,对待配准图像进行空间变换,并按照前述归一化互信息的计算方法,找到归一化互信息取得最大值时运动参数对应的值,该值即为最佳运动参数。这里空间变换可以采用常用的空间变换算法实现,一种实施例中采用了常见的双线性插值方法来进行图像的空间变换,具体公式同常用双线性插值方法,本发明对此不做限定。
由于运动参数有三个,因此寻找互信息值最大时对应的参数值就是一个求多参数极值的问题。可以采用常用的求多参数极值问题的算法实现,例如POWELL法、遗传算法、模拟退火算法等,也可以采用本实施例提供的POWELL法结合一维黄金分割法来搜索运动参数,具体算法如下:
(1)令初始运动参数为X0=(Δx,Δy,θ),选择三个搜索方向,分别为d(1,1)=(1,0,0),d(1,2)=(0,1,0),d(1,3)=(0,0,1),设定允许的误差ε,同时令k=1。这里初始运动参数可全设为0。
(2)从X(k,0)=Xk-1出发,依次沿三个方向d(k,1)、d(k,2)、d(k,2)进行搜索,即
上式中求λj的过程是一维极值问题,采用黄金分割法来求得。令d(k,4)=X(k,3)-X(k ,0),从X(k,3)出发沿d(k,4)进行加速搜索得到Xk。
(3)当‖Xk-Xk-1‖<ε则搜索停止,搜索到的参数即Xk;否则,令k=k+1,返回步骤(2)。
通过上述图像配准过程即可得到最佳运动参数。可见,该最佳运动参数的获取过程只发生在图像域,并未涉及频域中的采集参数,也就是说,这样获得的运动参数受回波链长等采集参数的影响较小,为有效消除运动伪影提供了可能性。
步骤S109,修正步骤也称运动补偿步骤,根据得到的运动参数对经相位校正步骤得到的K空间条进行修正;
根据运动参数可以将每个K空间条数据进行修正,就能使得重建后的图像消除由于运动导致的伪影。由傅里叶变换的性质可知,图像域的旋转运动等效于K空间域的旋转,因此校正旋转运动只需根据得到的运动参数中的旋转角度反向旋转每个K空间条的采样角度即可。
而图像域的平移运动对应的是K空间域的相位变化,因此修正平移运动需要将原K空间数据乘以一个相位因子,具体计算如下:
其中,f0 (j)(u,v)为采集的第j个K空间条数据,为第j个K空间条的采样角度,(Δx,Δy)为前述得到的运动参数中的平移参数,(M,N)为图像大小尺寸,f(j) corr(u,v)即为修正后的K空间条数据。
步骤S111,重建成像步骤,对修正后的K空间条进行重排,并对重排结果进行傅里叶变换,得到成像图像。
经过修正的采集数据需要进行组合后才能重建出最终图像。这实际上是一个非笛卡尔采样数据的重建问题,可采用常用的重建方法,例如投影重建、共轭相位重建、网格化重建等,本实施例对此不做限定。例如,一种实施例中可采用常见的网格化重建方法,即将非笛卡尔采样的K空间数据卷积插值到均匀分布的笛卡尔网格上,然后再用傅里叶变换进行重建得到最终图像。
本实施例对运动参数的估计是基于图像域的配准,以归一化互信息作为相似性测度,受回波链长等采集参数的影响较小,为有效消除运动伪影提供了可能性。此外,实施例不受场强高低的影响,可应用于任何场强的磁共振成像***。
实施例2:
如图4所示,本实施例的磁共振成像方法包括步骤S401~S411,其中步骤S401、S403、S405、S407、S409、S411分别与实施例1的步骤S101、S103、S105、S107、S109、S111类似,不再赘述。本实施例与实施例1的区别在于,在步骤S405后且步骤S407前增加步骤S406,用以对临时重建图像滤波。
由于缺少很多高频信号,步骤S405重建得到的图像一般是比较模糊的,并且由于相位编码方向存在截断,图像有明显的吉布斯伪影,所以还需要进一步对图像进行滤波处理(即步骤S406)。本实施例采用二维高斯窗函数进行滤波,公式如下:
其中,kx和ky是将图像变换到频率域后某像素点的坐标,d为常数,是高斯窗宽参数。然后,将滤波后的图像灰度值归一化到[0255]区间。
本实施例对临时重建图像进行滤波,使得后续计算运动参数更为准确,进一步为有效消除运动伪影提供了可能性。此外,实施例不受场强高低的影响,可应用于任何场强的磁共振成像***。
实施例3:
如图3所示,本实施例提出了与实施例1或实施例2的磁共振成像方法对应的磁共振成像装置,包括:
数据采集模块,用于利用PROPELLER算法对磁共振数据进行采集,获得多个K空间条;
相位校正模块,用于对获得的多个K空间条进行相位校正,以使得各K空间条的中心位置与K空间的中心重合;
临时重建模块,用于将校正后的各K空间条进行傅里叶变换,得到分别与各K空间条对应的临时重建图像;或者,临时重建模块除了用于将校正后的各K空间条进行傅里叶变换,得到分别与各K空间条对应的临时重建图像,还用于在得到与各K空间条对应的临时重建图像后,对临时重建图像进行滤波,并将滤波后的图像灰度值进行归一化处理;
参数计算模块,用于以某个K空间条对应的临时重建图像作为参考图像,其它K空间条对应的临时重建图像作为待配准图像,通过图像配准计算出待配准图像相对于参考图像的最佳运动参数;
修正模块,用于根据得到的运动参数对临时重建模块接收到的K空间条进行修正;
重建成像模块,用于对修正后的K空间条进行重排,并对重排结果进行傅里叶变换,得到成像图像。
以上各个模块所涉及的处理过程与前述本发明方法实施例中提到的过程相同,不再赘述。
综上,本发明实施例先将单次激发采集得到的K空间条分别变换到图像域,通过滤波处理后再基于图像插值互信息的新方法进行配准,结合优化的极值搜索算法,最后能够快速准确地获得运动参数,然后利用运动参数对采集数据进行校正后再重建出无运动伪影的图像。本发明实施例对运动参数的估算是基于图像域的配准,以插值的互信息作为相似性测度,受回波链长等采集参数的影响较小,配准的精度较现有技术更高,鲁棒性更好,能够有效消除运动伪影。本发明不受场强高低的影响,可应用于任何场强的MRI成像***。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘或光盘等。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换。
Claims (9)
1.一种磁共振成像方法,其特征在于,包括:
数据采集步骤,利用PROPELLER算法对磁共振数据进行采集,获得多个K空间条;
临时重建步骤,将各K空间条进行变换,得到分别与各K空间条对应的临时重建图像;
参数计算步骤,以某个K空间条对应的临时重建图像作为参考图像,其它K空间条对应的临时重建图像作为待配准图像,通过图像配准计算出待配准图像相对于参考图像的最佳运动参数;
修正步骤,根据得到的最佳运动参数对临时重建步骤前得到的K空间条进行修正;
重建成像步骤,对修正后的K空间条进行重排,并对重排结果进行傅里叶变换,得到成像图像;
其中,采用归一化互信息作为图像配准的相似性测度对运动参数进行优化搜索,所述归一化互信息的计算包括:
直方图计算步骤,采用双线性插值方式计算参考图像与待配准图像的联合直方图;
互信息计算步骤,根据得到的联合直方图计算归一化互信息。
2.如权利要求1所述的磁共振成像方法,其特征在于,所述临时重建步骤之前还包括:相位校正步骤,对获得的多个K空间条进行相位校正,以使得各K空间条的中心位置与K空间的中心重合。
3.如权利要求1所述的磁共振成像方法,其特征在于,所述联合直方图的计算公式为
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>b</mi>
<mo>-</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>-</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>H</mi>
<mi>I</mi>
<mi>S</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>-</mo>
<mo>&lsqb;</mo>
<mi>a</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>b</mi>
<mo>-</mo>
<mo>&lsqb;</mo>
<mi>b</mi>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,a为参考图像上像素点P的像素值,b为待配准图像上像素点P的像素值,[a]表示不大于a的最大整数,[b]表示不大于a的最大整数,HIST为参考图像和待配准图像的联合直方图。
4.如权利要求1-3任一项所述的磁共振成像方法,其特征在于,所述对运动参数进行优化搜索包括:采用POWELL算法结合一维黄金分割法搜索归一化互信息的最大值;当归一化互信息达到最大时,运动参数对应的值为待配准图像相对于参考图像的最佳运动参数。
5.如权利要求1-3任一项所述的磁共振成像方法,其特征在于,所述临时重建步骤还包括:得到与各K空间条对应的临时重建图像后,对临时重建图像进行滤波,并将滤波后的图像灰度值进行归一化处理。
6.一种磁共振成像装置,其特征在于,包括:
数据采集模块,用于利用PROPELLER算法对磁共振数据进行采集,获得多个K空间条;
临时重建模块,用于将各K空间条进行变换,得到分别与各K空间条对应的临时重建图像;
参数计算模块,用于以某个K空间条对应的临时重建图像作为参考图像,其它K空间条对应的临时重建图像作为待配准图像,通过图像配准计算出待配准图像相对于参考图像的最佳运动参数;
修正模块,用于根据得到的最佳运动参数对临时重建模块接收到的K空间条进行修正;
重建成像模块,用于对修正后的K空间条进行重排,并对重排结果进行傅里叶变换,得到成像图像;
其中,所述参数计算模块采用归一化互信息作为图像配准的相似性测度,对运动参数进行优化搜索,所述归一化互信息的计算包括:采用双线性插值方式计算参考图像与待配准图像的联合直方图,根据得到的联合直方图计算归一化互信息。
7.如权利要求6所述的磁共振成像装置,其特征在于,还包括:相位校正模块,用于对数据采集模块获得的多个K空间条进行相位校正,以使得各K空间条的中心位置与K空间的中心重合;所述临时重建模块接收经相位校正模块校正后的各K空间条。
8.如权利要求7所述的磁共振成像装置,其特征在于,所述参数计算模块对运动参数进行优化搜索包括:采用POWELL算法结合一维黄金分割法搜索归一化互信息的最大值;当归一化互信息达到最大时,运动参数对应的值为待配准图像相对于参考图像的最佳运动参数。
9.如权利要求6-8任一项所述的磁共振成像装置,其特征在于,所述临时重建模块还用于在得到与各K空间条对应的临时重建图像后,对临时重建图像进行滤波,并将滤波后的图像灰度值进行归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210290494.2A CN103584864B (zh) | 2012-08-15 | 2012-08-15 | 一种磁共振成像方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210290494.2A CN103584864B (zh) | 2012-08-15 | 2012-08-15 | 一种磁共振成像方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103584864A CN103584864A (zh) | 2014-02-19 |
CN103584864B true CN103584864B (zh) | 2017-11-17 |
Family
ID=50075342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210290494.2A Active CN103584864B (zh) | 2012-08-15 | 2012-08-15 | 一种磁共振成像方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103584864B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6998218B2 (ja) | 2015-07-15 | 2022-01-18 | コーニンクレッカ フィリップス エヌ ヴェ | 動き検出を用いるmr撮像 |
CN106204520B (zh) * | 2015-07-17 | 2019-05-24 | 北京大学第一医院 | 一种磁共振图像选择定位的方法及装置 |
CN107843862B (zh) * | 2016-09-20 | 2021-04-23 | 奥泰医疗***有限责任公司 | 一种propeller技术中参考位置图像的非迭代生成方法 |
CN106780643B (zh) * | 2016-11-21 | 2019-07-26 | 清华大学 | 磁共振多次激发扩散成像运动矫正方法 |
CN106842084B (zh) * | 2016-12-30 | 2019-11-12 | 上海联影医疗科技有限公司 | 一种磁共振成像方法及装置 |
US10802096B2 (en) * | 2017-12-26 | 2020-10-13 | Uih America, Inc. | Methods and systems for magnetic resonance imaging |
CN108280862B (zh) * | 2018-01-31 | 2021-07-23 | 安徽福晴医疗科技有限公司 | 一种磁共振图像的重建方法及装置 |
CN108577841B (zh) * | 2018-02-23 | 2021-09-10 | 奥泰医疗***有限责任公司 | 一种propeller技术中抑制非刚性运动的权重计算方法 |
CN112368715A (zh) * | 2018-05-15 | 2021-02-12 | 蒙纳士大学 | 用于磁共振成像的运动校正的方法和*** |
CN109754448B (zh) * | 2018-12-29 | 2023-01-17 | 深圳安科高技术股份有限公司 | 一种ct心脏扫描伪影校正方法及其*** |
CN110058185B (zh) * | 2019-04-02 | 2021-01-15 | 佛山瑞加图医疗科技有限公司 | 一种磁共振旋转成像方法及*** |
CN111948590B (zh) * | 2020-07-13 | 2023-06-16 | 上海东软医疗科技有限公司 | 磁共振成像方法及装置、电子设备、存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7382127B2 (en) * | 2006-09-15 | 2008-06-03 | General Electric Company | System and method of accelerated MR propeller imaging |
JP2008178592A (ja) * | 2007-01-25 | 2008-08-07 | Ge Medical Systems Global Technology Co Llc | 磁気共鳴イメージング装置、スキャン装置、磁気共鳴イメージング方法、および、そのプログラム |
DE102007028660B3 (de) * | 2007-06-21 | 2009-01-29 | Siemens Ag | Verfahren zur Korrektur von Bewegungsartefakten bei der Aufnahme von MR-Bildern |
US20090129648A1 (en) * | 2007-11-15 | 2009-05-21 | Konstantinos Arfanakis | Method of reducing imaging time in propeller-MRI by under-sampling and iterative image reconstruction |
JP5613065B2 (ja) * | 2010-01-21 | 2014-10-22 | 株式会社東芝 | 磁気共鳴イメージング装置 |
-
2012
- 2012-08-15 CN CN201210290494.2A patent/CN103584864B/zh active Active
Non-Patent Citations (1)
Title |
---|
PROPELLER磁共振成像数据重建中的仿射运动校正新算法;冯衍秋等;《电子学报》;20100430;第38卷(第4期);第2.4 PROPELLER数据重建中的仿射运动校正方法 * |
Also Published As
Publication number | Publication date |
---|---|
CN103584864A (zh) | 2014-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103584864B (zh) | 一种磁共振成像方法和装置 | |
US11681000B2 (en) | Self ensembling techniques for generating magnetic resonance images from spatial frequency data | |
Haskell et al. | TArgeted Motion Estimation and Reduction (TAMER): data consistency based motion mitigation for MRI using a reduced model joint optimization | |
US20210090306A1 (en) | Methods for scan-specific k-space interpolation reconstruction in magnetic resonance imaging using machine learning | |
CN106772167B (zh) | 核磁共振成像方法及装置 | |
Fuin et al. | A multi-scale variational neural network for accelerating motion-compensated whole-heart 3D coronary MR angiography | |
CN101995561B (zh) | 基于图像域叠加的propeller磁共振数据重建方法 | |
CN108375746A (zh) | 一种相位反卷折方法与设备 | |
CN103323805B (zh) | 基于小波域稀疏表示的speed快速磁共振成像方法 | |
WO2020037814A1 (zh) | 基于多板块同时激发的等体素磁共振扩散成像方法及装置 | |
Ding et al. | Deep residual dense U-Net for resolution enhancement in accelerated MRI acquisition | |
CN106526511A (zh) | 基于k空间中心鬼影定位的SPEED磁共振成像方法 | |
Mani et al. | Improved MUSSELS reconstruction for high‐resolution multi‐shot diffusion weighted imaging | |
CN113298902B (zh) | 卷褶视野磁共振图像的重建方法、计算机设备及存储介质 | |
CN107205686A (zh) | 去除在磁共振成像的重影伪影的方法及为此的磁共振装置 | |
Mickevicius et al. | Simultaneous acquisition of orthogonal plane cine imaging and isotropic 4D-MRI using super-resolution | |
CN106204475A (zh) | 基于field map对fMRI中的几何畸变伪影进行校正的方法 | |
Majumdar et al. | Causal dynamic MRI reconstruction via nuclear norm minimization | |
Jha et al. | Multi-shell d-mri reconstruction via residual learning utilizing encoder-decoder network with attention (msr-net) | |
CN104504657A (zh) | 磁共振弥散张量去噪方法和装置 | |
CN107942271B (zh) | 基于迭代的speed快速磁共振成像方法 | |
Hong et al. | Spatial normalization of the fiber orientation distribution based on high angular resolution diffusion imaging data | |
Yi et al. | Fast and Calibrationless low-rank parallel imaging reconstruction through unrolled deep learning estimation of multi-channel spatial support maps | |
White et al. | Motion artifact correction in free‐breathing abdominal MRI using overlapping partial samples to recover image deformations | |
WO2021184469A1 (zh) | 一种放射状采集扩散加权成像运动伪影校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140219 Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd. Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Contract record no.: X2022440020009 Denomination of invention: Magnetic resonance imaging method and device Granted publication date: 20171117 License type: Common License Record date: 20220804 |